应力强度因子门槛值论文_王一飞,王燕舞,吴晓源,崔维成,黄小平

导读:本文包含了应力强度因子门槛值论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:裂纹,门槛,因子,强度,应力,疲劳,灵敏度。

应力强度因子门槛值论文文献综述

王一飞,王燕舞,吴晓源,崔维成,黄小平^[1]（2008）在《有效应力强度因子范围门槛值与载荷比关系的研究(英文)》一文中研究指出不同载荷比下的有效应力强度因子范围门槛值△Keff.th往往被看作一个常数,然而疲劳实验数据结果通常散落在一个较窄的带宽范围内,而不是所期望的一条曲线。另外,基于改进的McEvily模型对△Keff.th进行的灵敏度分析表明△Keff.th对疲劳裂纹扩展率具有重要的影响,尤其是在占有大部分疲劳裂纹扩展寿命的近门槛值区域。因此,文章认为不同应力比下的△Keff.th为变量,并且通过叁个方面对△Keff.th与应力比R的关系进行了深入的研究:(a)Schmidt和Paris提出的一个关于△Keff.th的简化模型和相应的试验数据;(b)基于传统的裂纹完全闭合概念的△Keff.th试验数据;(c)基于裂纹局部闭合模型的△Keff.th,p试验数据。分析结果表明,在应力比低于临界应力比时,随着应力比的增加,有效应力强度因子范围门槛值也相应增加;而应力比高于临界应力比时,有效应力强度因子范围门槛值随应力比的增加而减小。另外,通过对试验数据的曲线拟合分析表明,Lorentz分布能很好地描述相应的试验数据。(本文来源于《船舶力学》期刊2008年03期）

侯福均,吴祈宗^[2]（2003）在《基于人工神经网络的50CrMoA钢应力强度因子幅度门槛值ΔK_(th)的预报》一文中研究指出应力强度因子幅度门槛ΔKth值受多个非线性因素的影响。在人工神经网络研究领域中,已经证明具有任意个隐层节点的前馈神经网络可以以任意精度逼近一个连续函数,因而在模式识别和函数逼近上得到普遍应用。基于该原理,采用人工神经网络的反向传播算法研究50CrMoA钢应力强度因子幅度门槛值ΔKth的预报,使BP神经网络在ΔKth值预报中的应用得以实现。应用实验数据比较表明:利用神经网络得到的输出值与实验值之间最大误差为1 6392%,说明该模型在学习样本数据的基础上,可以对应力强度因子幅度门槛ΔKth值进行预测。且具有预测精度较高、方法简便易行的特点,并有很强的学习和容错功能。(本文来源于《中国铁道科学》期刊2003年03期）

曲淑英^[3]（1998）在《轴承钢的应力强度因子──门槛值研究》一文中研究指出对工业上广泛应用的轴承钢的疲劳裂纹开裂和门槛值进行了研究，提出了该类材料门槛值的理论计算公式，考虑了应力比、应力集中、曲率半径等影响脆性开裂的主要因素，并给出了试验验证，两者非常吻合。(本文来源于《机械工程材料》期刊1998年04期）

应力强度因子门槛值论文开题报告

（1）论文研究背景及目的

此处内容要求：

首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。

写法范例：

应力强度因子幅度门槛ΔKth值受多个非线性因素的影响。在人工神经网络研究领域中,已经证明具有任意个隐层节点的前馈神经网络可以以任意精度逼近一个连续函数,因而在模式识别和函数逼近上得到普遍应用。基于该原理,采用人工神经网络的反向传播算法研究50CrMoA钢应力强度因子幅度门槛值ΔKth的预报,使BP神经网络在ΔKth值预报中的应用得以实现。应用实验数据比较表明:利用神经网络得到的输出值与实验值之间最大误差为1 6392%,说明该模型在学习样本数据的基础上,可以对应力强度因子幅度门槛ΔKth值进行预测。且具有预测精度较高、方法简便易行的特点,并有很强的学习和容错功能。

（2）本文研究方法

调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。

实证研究法：依据现有的科学理论和实践的需要提出设计。

定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。

定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。

跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。

模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。